#930 · Rechner für KI & Technologie

KI-Videopipeline: GPU-Bedarfsrechner

Dieser Rechner dimensioniert den GPU-Bedarf einer KI-Videopipeline über Videojobs pro Stunde und gemessene GPU-Sekunden je Video. Eine Zielauslastung verhindert, dass die Hardware dauerhaft am Maximum geplant wird; eine zusätzliche Reserve deckt Lastspitzen oder Wachstumsannahmen ab. Das Ergebnis zeigt die aufgerundete GPU-Anzahl, die rohe GPU-Last, die effektive Video-Kapazität je GPU und den verbleibenden Kapazitätspuffer.

Rechner

Eingaben

So verwendest du diesen Rechner

Trage das erwartete Videojob-Volumen pro Stunde ein.
Miss die tatsächlich beanspruchte GPU-Zeit je Videojob.
Wähle eine Zielauslastung, die Latenz- und Burst-Anforderungen berücksichtigt.
Ergänze eine Reserve für Wachstum oder Spitzen und berechne die GPU-Anzahl.

Formel

Roher GPU-Bedarf = Jobs/h × GPU-Sekunden/Job ÷ 3.600

Planbedarf = roher GPU-Bedarf × (1 + Reserve/100)

GPU-Anzahl = aufrunden(Planbedarf ÷ Zielauslastung als Dezimalzahl)

Effektive Jobs/GPU/h = 3.600 ÷ GPU-Sekunden/Job × Zielauslastung

Was das Ergebnis bedeutet

Die GPU-Anzahl basiert auf gemessener GPU-Zeit pro Job. Sie ist besonders geeignet, wenn Jobs seriell oder über ausreichend unabhängige GPU-Arbeitseinheiten verteilt werden können. Bei Speicherlimits, Modell-Sharding oder Multi-GPU-Abhängigkeiten muss die Topologie zusätzlich berücksichtigt werden.

GPU-Sekunden je Video sollten unter realistischen Auflösungen, Videolängen, Batch-Größen und Modellversionen gemessen werden. Reine CPU-, Storage- und Transferengpässe werden nicht berücksichtigt.

Beispielrechnung

900 Jobs/h × 12 GPU-s ÷ 3.600 = 3,0 rohe GPU-Äquivalente
Mit 20 % Reserve: 3,6 GPU-Äquivalente
3,6 ÷ 0,70 = 5,14 → 6 GPUs
Effektive Kapazität je GPU: 3.600/12 × 70 % = 210 Jobs/h.

Tipps für bessere Ergebnisse

Miss GPU-Zeit getrennt nach Videoauflösung oder Modellvariante, wenn sie stark variiert.
Prüfe GPU-Speicher als zusätzliche Nebenbedingung.
Plane Failover-Kapazität separat, wenn ein einzelner GPU-Ausfall ohne Leistungsabfall abgefangen werden muss.
Vergleiche GPU-Sekunden pro Video nach Optimierungen wie Quantisierung, Batching oder Frame-Sampling.

Häufig gestellte Fragen

Wie berechne ich GPU-Bedarf aus GPU-Sekunden pro Video?

Multipliziere Jobs pro Stunde mit GPU-Sekunden pro Job, teile durch 3.600 und passe anschließend für Zielauslastung und Reserve an.

Was ist der Unterschied zwischen GPU-Sekunden und normaler Video-Laufzeit?

GPU-Sekunden messen die tatsächliche Belegungszeit einer GPU. Ein langes Video kann je nach Sampling deutlich weniger oder mehr GPU-Zeit benötigen als seine Laufzeit.

Wie beeinflusst die Zielauslastung die benötigte GPU-Anzahl?

Eine niedrigere Zielauslastung erhöht die eingeplante GPU-Anzahl und schafft mehr Puffer für Lastspitzen und Latenzanforderungen.

Soll ich GPU-Speicherbedarf zusätzlich zur GPU-Anzahl prüfen?

Ja. Auch wenn der Rechendurchsatz ausreicht, können VRAM-Anforderungen, Modell-Sharding oder Batch-Größen eine andere Hardwaretopologie erzwingen.

Wie berücksichtige ich Wachstum beim GPU-Bedarf einer Videopipeline?

Nutze die Kapazitätsreserve für erwartetes Mehrvolumen oder setze direkt ein höheres Zielvolumen in Jobs pro Stunde ein.

Kennzahlen im Überblick

Kennzahl	Bedeutung
GPU-Bedarf	Aufgerundete GPU-Anzahl unter Zielauslastung und Reserve.
Roher GPU-Bedarf	GPU-Äquivalente bei theoretisch 100 % Auslastung.
Kapazität/GPU	Videojobs pro Stunde bei der gewählten Zielauslastung.
Headroom	Verbleibende Jobkapazität nach Aufrundung.